专利汇可以提供一种基于深度置信网络的超短期风电功率预测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于深度置信网络的超短期 风 电功率预测方法,该方法首先采集风 电场 的历史数据,得到训练样本集;然后利用训练样本对深度置信网络模型进行训练,得到训练后的深度置信网络模型;接着根据所述影响因素的待预测时刻的实际数据生成验证输入数据,同时将测试输入数据输入到已经完成训练的深度置信网络模型,模型输出值即为待预测时刻的风电功率预测值。本发明是基于深度置信网络模型的超短期风电功率预测方法,利用深度置信网络模型良好的特征筛选分析能 力 ,提高了预测的 精度 ,强化了模型的泛化能力。,下面是一种基于深度置信网络的超短期风电功率预测方法专利的具体信息内容。
1.一种基于深度置信网络的超短期风电功率预测方法,其特征在于,包括以后步骤:
(1)分析并提取影响风电功率预测的特征影响因素,采集风电场的历史风功率数据向量,得到训练样本集[X1,X2,…,X16];
(2)根据历史风功率数据生成输入向量以所对应的功率值的历史数据作为输出,得到新的训练样本[X1,X2,…,X16,Y];
(3)对步骤(2)得到的训练样本进行数据预处理,剔除奇异值,得到各成分与输入输出的回归模型,对模型使用对比散度训练方法得到多元回归系数,从而建立深度置信网络模型;
(4)根据步骤(1)提取影响特征的风电场的历史功率向量[X1,X2,…,X16],生成测试输入向量,并将测试输入向量输入到训练后的深度置信网络模型,其输出为待预测时刻的风电功率预测值Y;
(5)根据风电功率预测值Y向量,优化风电场的在线优化机组组合,包括调频和旋转备用容量。
2.根据权利要求1所述的基于深度置信网络的短期风电功率预测方法,其特征在于,步骤(2)包括根据特征影响因素的历史数据构造特征向量,得到深度置信网络模型的输入变量,所构造的特征向量表达式为:[X1,X2,…,X16]。
3.根据权利要求2所述的基于深度置信网络的超短期风电功率预测方法,其特征在于,步骤(2)中的深度置信网络的无监督学习过程包括逐层提取输入序列的内在特征。
4.根据权利要求1所述的基于深度置信网络的超短期风电功率预测方法,其特征在于,步骤(3)所述的对比散度训练方法得到的最优隐含节点个数是8-15。
5.根据权利要求1所述的基于深度置信网络的超短期风电功率预测方法,其特征在于,步骤(4)所述输入向量的维数为16。
6.根据权利要求1所述的基于深度置信网络的超短期风电功率预测方法,其特征在于,步骤(4)包括根据深度置信网络模型建立超短期风电功率预测模型,预测模型的输出为超短期风电功率预测结果。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于长短期记忆网络的梯级水电站发电量预测方法 | 2020-05-11 | 89 |
一种文本标签提取系统 | 2020-05-12 | 30 |
一种针对图像数据的对抗样本生成方法及系统 | 2020-05-13 | 20 |
一种稻米加工在线工艺检测方法 | 2020-05-12 | 455 |
基于CDBN-SVR的空气预热器转子变形软测量方法 | 2020-05-13 | 882 |
基于伪标签方法和弱监督学习的过程数据故障分类方法 | 2020-05-08 | 666 |
一种特征权重自学习的睡眠质量检测关键脑区判定方法 | 2020-05-08 | 50 |
无线网络资源分配方法、系统及存储介质 | 2020-05-08 | 41 |
一种基于类激活映射图引导的正则化方法及系统 | 2020-05-11 | 272 |
一种基于弱监督学习的目标定位方法 | 2020-05-11 | 564 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。